開源版Sora？潞晨Open-Sora技術路線大公開，一鍵生成720p高清視頻，質量飛躍，成本跳水

最近，潞晨 Open-Sora 團隊在720p 高清文生視頻質量和生成時長上實現了突破性進展，他們不僅在720p高清視頻質量和生成時長上搞了個大新聞，還順手把這寶貝開源了，讓整個社區都沸騰了!

毫不誇張地說，他們的開源項目讓視頻生成變得像點外賣一樣簡單。自從3月份亮相以來，它在GitHub上已經攬獲了17.5K的星星，火得一塌糊塗!

開源地址:https://github.com/hpcaitech/Open-Sora

Open-Sora能夠一鍵生成16秒720p高清視頻，無論是精緻的人物肖像，還是炫酷的科幻大片，亦或是生動有趣的動畫，流暢的變焦效果，它都能輕鬆應對。這不，連英偉達入股的AI公司Lambda Labs都基於Open-Sora模型權重，打造了一個數字樂高宇宙，讓樂高迷們找到了創意的新天地。

潞晨團隊不僅開源了模型權重，還在GitHub上曬出了技術路線，讓每個玩家都能成爲視頻大模型的掌控者。這份技術報告，深度剖析了模型訓練的核心和關鍵，從視頻壓縮網絡到擴散模型算法，再到可控性，他們用1.1B的擴散生成模型，解決了視頻模型訓練的痛點。

報告地址：https://github.com/hpcaitech/Open-Sora/blob/main/docs/report_03.md

視頻壓縮網絡的引入，是OpenAI的Sora同款方法。它能在時間維度上進行4倍壓縮，無需抽幀，可以使用原始FPS生成視頻。團隊還提出了一個簡單的視頻壓縮網絡（即VAE），它能首先在空間維度上實現8x8倍的壓縮，再從時間維度上壓縮4倍。

Stable Diffusion3的最新擴散模型，通過rectified flow技術，提升了生成質量。潞晨團隊提供的技術包括整流訓練、Logit-norm時間步長採樣等，加快了模型訓練速度，減少了推理等待時間。

報告中還透露了模型訓練的核心細節，包括數據清洗、模型調優技巧，以及模型評估體系的構建。他們甚至提供了一鍵部署的Gradio應用，支持多種參數調節。

潞晨Open-Sora的開源，打破了閉環，爲文生視頻的創新和發展注入了活力。用戶從內容消費者轉變爲創造者，企業用戶解鎖了自主開發新技能。